-
公开(公告)号：CN110378856B
公开(公告)日：2023-03-14
申请号：CN201910658981.1
申请日：2019-07-22
Applicant: 福建农林大学 , 福建省锐道工程技术咨询有限公司
Abstract: 本发明涉及一种隧道表面二维激光图像增强处理方法，包括以下步骤：步骤S1:采集待测隧道表面二维激光图像；步骤S2:根据待测隧道表面二维激光图像像素值特征，确定曝光消除算法阈值；步骤S3:采用直方图均衡化处理待测隧道表面二维激光图像，得到均衡化后的二维激光图像；步骤S4:根据拉普拉斯增强算法强化均衡化后的二维激光图像目标特征,并利用高斯滤波消除图像噪音,得到处理后的二维激光图像；步骤S5:根据处理后的二维激光图像，识别图像拼接缝位置信息；步骤S6:根据图像拼接缝位置信息，采用灰度值处理算法消除拼接缝，得到增强后的二维激光图像。本发明能够有效改善图像高像素域与低像素的协调性，并增强隧道图像的细节信息效果。
-
公开(公告)号：CN110569730B
公开(公告)日：2022-11-15
申请号：CN201910723374.9
申请日：2019-08-06
Applicant: 福建农林大学 , 福建省锐道工程技术咨询有限公司
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于U‑net神经网络模型的路面裂缝自动识别方法，以车载激光道路检测设备采集的路面裂缝2D激光图像为基础通过弹性变形技术进行数据库扩充；然后调整U‑net模型结构，参数微调以让该模型实现对路面裂缝精准地自动识别；将制作好的数据集输入到网络中，反复地训练模型自动学习裂缝像素特征的能力；最后训练出一个比较稳定的自动识别模型，进而提高裂缝识别精度和速度。本发明可以实现快速、高效的路面裂缝自动识别，减少公路检测作业的人力资源消耗，避免出现肉眼识别的主观性误差，提高识别的准确度。
-
公开(公告)号：CN110569730A
公开(公告)日：2019-12-13
申请号：CN201910723374.9
申请日：2019-08-06
Applicant: 福建农林大学 , 福建省锐道工程技术咨询有限公司
Abstract: 本发明涉及一种基于U-net神经网络模型的路面裂缝自动识别方法，以车载激光道路检测设备采集的路面裂缝2D激光图像为基础通过弹性变形技术进行数据库扩充；然后调整U-net模型结构，参数微调以让该模型实现对路面裂缝精准地自动识别；将制作好的数据集输入到网络中，反复地训练模型自动学习裂缝像素特征的能力；最后训练出一个比较稳定的自动识别模型，进而提高裂缝识别精度和速度。本发明可以实现快速、高效的路面裂缝自动识别，减少公路检测作业的人力资源消耗，避免出现肉眼识别的主观性误差，提高识别的准确度。
-
公开(公告)号：CN110378856A
公开(公告)日：2019-10-25
申请号：CN201910658981.1
申请日：2019-07-22
Applicant: 福建农林大学 , 福建省锐道工程技术咨询有限公司
Abstract: 本发明涉及一种隧道表面二维激光图像增强处理方法，包括以下步骤：步骤S1:采集待测隧道表面二维激光图像；步骤S2:根据待测隧道表面二维激光图像像素值特征，确定曝光消除算法阈值；步骤S3:采用直方图均衡化处理待测隧道表面二维激光图像，得到均衡化后的二维激光图像；步骤S4:根据拉普拉斯增强算法强化均衡化后的二维激光图像目标特征,并利用高斯滤波消除图像噪音,得到处理后的二维激光图像；步骤S5:根据处理后的二维激光图像，识别图像拼接缝位置信息；步骤S6:根据图像拼接缝位置信息，采用灰度值处理算法消除拼接缝，得到增强后的二维激光图像。本发明能够有效改善图像高像素域与低像素的协调性，并增强隧道图像的细节信息效果。
-
公开(公告)号：CN110674732B
公开(公告)日：2022-06-07
申请号：CN201910897749.3
申请日：2019-09-21
Applicant: 福建农林大学 , 福建省锐道工程技术咨询有限公司
IPC: G06V20/58 , G06T7/00 , G06T7/13 , G06T7/155 , G06T7/62 , G06T7/66 , G06T7/70 , G01B11/00 , G01B11/02 , G01B11/14 , G01B11/22 , G01B11/26 , G01B11/28
Abstract: 本发明涉及一种融合多元数据的沥青路面车辙三维尺寸自动检测及定位方法，将多元数据，进行匹配融合。针对路面车辙三维尺寸的自动检测，首先通过噪声剔除、坡度校正对横剖线数据进行预处理；然后提出一种通过建立路面未形变轴来定位车辙特征点的方法；最后根据确定的车辙谷底点及边缘点，测量车辙的宽度、最大深度、车辙壁坡度，以及凹陷面积。针对路面车辙的自动定位，首先通过路面二维图像，进行车道边缘线的识别，并结合识别的车道边缘线定位车道中心线；然后以车道中心线为参照，测量左右车辙谷底点的位于车道内的位置；最后测量左右车辙中心相对车道中心的偏移量。本发明为路面车辙检测提供了更丰富的信息。
-
Patent Agency Ranking
公开(公告)号：CN110647850A
公开(公告)日：2020-01-03
申请号：CN201910921062.9
申请日：2019-09-27
Applicant: 福建农林大学 , 福建省锐道工程技术咨询有限公司
IPC: G06K9/00
Abstract: 本发明涉及一种基于逆透视原理的车道偏移自动测量方法，首先进行道路图像预处理，对车载惯导视觉系统拍摄的图像使用梯度阈值、颜色阈值进行处理，得到二进制图；其次使用透视变换得到二进制图的鸟瞰图；再是对车道边缘线提取，通过车道线边缘灰度变化特点用传统的车道线边缘检测，检测车道线像素并提取车道边界；最后计算车道曲率及车辆相对车道中央的位置，以获得车道的偏移量，进行车辆位置匹配，获得车辆在车道的位置信息。本发明利用图像处理与计算机视觉检测技术，实现对行驶车辆在车道内的位置进行定位，防止行车偏移的发生，辅助驾驶，并能及时对异常情况做出反应和处理。
-
公开(公告)号：CN110864696A
公开(公告)日：2020-03-06
申请号：CN201910884069.8
申请日：2019-09-19
Applicant: 福建农林大学 , 福建省锐道工程技术咨询有限公司
Abstract: 本发明涉及一种基于车载激光惯导数据的三维高精地图绘制方法，包括以下步骤：步骤S1：对采集车行驶过程中的行车轨迹横向偏移量进行定位；步骤S2：对道路平面行驶轨迹进行校正；步骤S3：进行三维高精地图的构建；步骤S4：所述终端通过手机APP应用软件实时查看地理信息、道路三维线形数据并进行三维高精地图导航。本发明可以实现高速、高效、路网级的道路几何参数的自动采集，减少数据采集的难度以及人力的消耗，并消除检测车辆在道路几何检测中振动和偏移带来的误差，提高测量的准确度。
-
公开(公告)号：CN110674732A
公开(公告)日：2020-01-10
申请号：CN201910897749.3
申请日：2019-09-21
Applicant: 福建农林大学 , 福建省锐道工程技术咨询有限公司
IPC: G06K9/00 , G06T7/00 , G06T7/13 , G06T7/155 , G06T7/62 , G06T7/66 , G06T7/70 , G01B11/00 , G01B11/02 , G01B11/14 , G01B11/22 , G01B11/26 , G01B11/28
Abstract: 本发明涉及一种融合多元数据的沥青路面车辙三维尺寸自动检测及定位方法，将多元数据，进行匹配融合。针对路面车辙三维尺寸的自动检测，首先通过噪声剔除、坡度校正对横剖线数据进行预处理；然后提出一种通过建立路面未形变轴来定位车辙特征点的方法；最后根据确定的车辙谷底点及边缘点，测量车辙的宽度、最大深度、车辙壁坡度，以及凹陷面积。针对路面车辙的自动定位，首先通过路面二维图像，进行车道边缘线的识别，并结合识别的车道边缘线定位车道中心线；然后以车道中心线为参照，测量左右车辙谷底点的位于车道内的位置；最后测量左右车辙中心相对车道中心的偏移量。本发明为路面车辙检测提供了更丰富的信息。
-
公开(公告)号：CN107741217B
公开(公告)日：2019-10-18
申请号：CN201710929344.4
申请日：2017-09-30
Applicant: 福建农林大学
Abstract: 本发明提供一种道路线性信息中平曲线的直圆/圆直点识别定位方法，其特征在于：包括以下步骤：S1：通过车载测量装置获取测试车辆在道路上行驶的数据并输入计算机中，行驶数据包括航向角数据、行驶仪数据，并计算得到行车轨迹数据；S2：通过改进型K‑均值聚类分析法进行候选节点识别；S3：作图得到航向角数据图，将候选节点在航向角数据图上进行标记；S4：将位于过渡段的节点作为参考点，移除候选节点前后的M个样本数据，使数据组被切断并分成若干近似直线的部分；S5：对被切断的片段进行线性拟合；S6：延长各拟合线段，并使其相交，交点即为直圆或圆直点。本发明能够解决道路平曲线测量的关键问题，提高道路测量效率和准确度。
-
公开(公告)号：CN109870458A
公开(公告)日：2019-06-11
申请号：CN201910121892.3
申请日：2019-02-19
Applicant: 福建农林大学
Abstract: 本发明涉及一种基于三维激光传感器及包围盒的路面裂缝检测与分类方法，通过车载安装两个独立激光传感器及三维激光扫描成像技术来采集全车道二维或三维道路图像数据，当通过车载设备采集相关数据之后，用multi-seed fusion算法识别裂缝。然后引入膨胀、腐蚀等图像处理技术，结合车轮路径和车道标记的位置参考来生成最终包围盒。最后，基于包围盒上的裂缝分类和严重性等级评测。本发明能够在裂缝出现的初期就将其识别、归类，大大降低了养护的费用，具有快速、高效、正确性高等优点。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.064 seconds)
